Spółka spin-off MIT FabuBlox przedstawia FabAgent do inżynierii procesów wytwarzania półprzewodników

FabuBlox przedstawiła FabAgent — współpracownika opartego na AI, który ma pomagać inżynierom półprzewodników opracowywać, analizować i emulować procesy wytwarzania, zanim zostaną one uruchomione w pomieszczeniu czystym. Firma wydzielona z MIT łączy tego agenta ze uporządkowanymi projektami procesów i wiedzą o zakładzie, aby pomagać inżynierom analizować liczne zależności decydujące o tym, czy dany przebieg procesu będzie działać.

Główna teza firmy głosi, że inteligentne systemy do obsługi procesów muszą rozumieć zarówno zakład produkcyjny, jak i sam proces. Sekwencja etapów wytwarzania musi być dostosowana do urządzeń, zasad dotyczących materiałów, receptur i ograniczeń operacyjnych zakładu, w którym będzie realizowana. Połączenie FabAgent z FabuBlox Facility OS ma zapewnić dostęp do tych informacji podczas podejmowania decyzji inżynieryjnych.

Od instrukcji procesu do widocznej struktury urządzenia

FabAgent jest częścią platformy, która już porządkuje wiedzę o wytwarzaniu. Pakiet firmy do projektowania procesów łączy ustandaryzowane opisy procesów, wizualizację przekrojów, emulację układu warstw, kontrolę wersji i współdzielone repozytoria. Inżynierowie mogą opisywać założenia dotyczące wytwarzania i korzystać z asystenta AI, aby pomóc w tworzeniu przebiegów procesów, konfigurowaniu poszczególnych etapów oraz poznawaniu narzędzi i receptur, zachowując możliwość weryfikacji proponowanego procesu.

Warstwa wizualna zapewnia fizyczne odniesienie dla tych decyzji. FabuBlox informuje, że jej algorytmy śledzenia promieni emulują wpływ kolejnych etapów na stos warstw urządzenia, w tym pokrycie warstwą i profile ścian bocznych. Inżynierowie mogą wybrać linię cięcia w pliku układu GDS, aby powiązać sekwencję wytwarzania z przekrojem zamierzonego urządzenia. W miarę rozwoju projektu zmiany w przebiegu procesu znajdują odzwierciedlenie w wizualizacji.

Takie połączenie jest przydatne, ponieważ każdy etap procesu zmienia warunki początkowe dla kolejnych etapów. Analizowanie zmieniającej się struktury wraz z instrukcjami może pomóc zespołowi wcześniej wykryć problemy z integracją. Przydatność emulacji nadal zależy od tego, jak wiernie jej parametry odzwierciedlają warunki pracy urządzeń i przebiegu procesu, dlatego kalibracja i pomiary eksperymentalne są ważną częścią procesu inżynieryjnego.

Facility OS zapewnia agentowi kontekst dotyczący zakładu

Facility OS odwzorowuje urządzenia i ograniczenia związane z procesem. Jego ustrukturyzowany model zakładu obejmuje możliwości urządzeń, obsługiwane zasoby, ograniczenia dotyczące materiałów, zakresy parametrów, receptury i dane kalibracyjne. Inżynierowie mogą przeszukiwać bibliotekę urządzeń, a dopasowywanie wspomagane przez AI ma pomagać w identyfikowaniu sprzętu odpowiedniego do danej operacji.

Receptury są powiązane z konkretnymi urządzeniami i danymi dotyczącymi ich charakterystyki. Gdy receptury się zmieniają, platforma wskazuje wprowadzone modyfikacje, dzięki czemu inżynierowie mogą wybrać, które z nich zsynchronizować z przebiegami procesów. Pozwala to zachować powiązanie między proponowanym procesem a ustawieniami i zmierzonymi właściwościami urządzeń, które mają go realizować.

Kontrola zanieczyszczeń to kolejny ważny element tego modelu. Facility OS łączy definicje materiałów i informacje o stosach warstw z ograniczeniami dotyczącymi konkretnych urządzeń, aby wspierać ocenę zgodności na etapie planowania. Agent analizujący proces może zatem sprawdzić, czy dany etap odpowiada dozwolonym w zakładzie kombinacjom materiałów i urządzeń, zamiast traktować każdą operację jako odrębną instrukcję.

Firma opisuje również procedury weryfikowania napływających zleceń dotyczących wytwarzania oraz szacowania kosztów na podstawie skonfigurowanych etapów procesu i cennika zakładu. Te możliwości rozszerzają zastosowanie tej samej uporządkowanej wiedzy na prace koordynacyjne związane z wytwarzaniem.

Firma wyrastająca z doświadczeń MIT w zakresie wytwarzania

Początki FabuBlox wiążą się z problemami dotyczącymi dzielenia się wiedzą, na które jej założyciele natrafili w MIT. Biografia w Microsystems Technology Laboratories MIT podaje, że Jan Tiepelt i jego współzałożyciele stworzyli platformę w 2023 roku, aby wspierać budowę wspólnej bazy danych dla społeczności MIT.nano i MTL. Tiepelt uzyskał stopień doktora w dziedzinie elektrotechniki na MIT w maju 2024 roku, po przeprowadzeniu badań nad degradacją niebieskich OLED-ów.

Laboratoria Microsystems Technology Laboratories przy MIT wymieniają FabuBlox wśród startupów, które powstały w ich społeczności. Inwestor Pillar VC wskazuje jako zespół założycielski doktorów MIT Jana Tiepelta i Josha Perozeka oraz inżynierów Jacka Mullera i Eyala Perry’ego.

Jak wynika z ogłoszenia MIT ze stycznia 2025 roku, firma dołączyła do programu START.nano MIT.nano. Program wspiera przedsięwzięcia z sektora zaawansowanych technologii, oferując tańszy dostęp do infrastruktury, doradztwo techniczne i kontakty w ramach sieci innowacji instytutu. Ówczesny opis FabuBlox przygotowany przez MIT podkreślał interfejs do projektowania procesów oraz repozytoria przypominające GitHub, służące do porządkowania wiedzy o wytwarzaniu.

Ta historia pomaga wyjaśnić obecny kierunek rozwoju produktu. Wersjonowane przebiegi procesów, współdzielone repozytoria i uporządkowane rejestry urządzeń zapewniają asystentowi AI kontekst inżynieryjny, z którym może pracować, a jednocześnie pozwalają zachować historię rozwoju projektu.

Uczenie się na podstawie wafli, a autonomiczne fabryki w planach rozwoju

Trzeci element platformy FabuBlox, Fab Run Studio, łączy wersje przebiegu procesu i receptury z fizycznymi waflami, zapisami realizacji oraz metrologią. Firma określa go jako wczesną wersję beta. Opisane przepływy pracy obejmują śledzenie rozgałęzionych ścieżek przebiegu wafli i podziałów parametrów, porównywanie wyników oraz wykorzystywanie map wafli i statystycznej kontroli procesu do identyfikowania odchyleń.

Zakładana pętla sprzężenia zwrotnego łączy zaobserwowany wynik z waflem, ścieżką procesu, recepturą i narzędziem, które go wytworzyły. FabAgent może następnie pomóc inżynierom rozważyć zmianę przebiegu procesu, aktualizację kalibracji lub przeprowadzenie kolejnego eksperymentu. Zachowanie tych powiązań jest szczególnie istotne w badaniach i produkcji wysokiej różnorodności, gdzie proces może często się zmieniać.

W szerszej branży również inwestuje się w skracanie cykli uczenia się, czego przykładem są wspólne badania i rozwój w zakresie procesów półprzewodnikowych, zbliżające do siebie zespoły zajmujące się materiałami, sprzętem i integracją. FabuBlox koncentruje się na programowej stronie tego wyzwania oraz na zarządzaniu wiedzą.

Jej długofalowa wizja sięga dalej: wyspecjalizowane agenty w takich obszarach jak litografia, osadzanie i trawienie miałyby uczyć się na podstawie fizycznych wyników oraz pomagać koordynować eksperymenty i zmiany procesu. Modele świata dostosowane do fabryk półprzewodników oraz coraz bardziej autonomiczna produkcja pozostają celami rozwojowymi. Facility OS również wskazuje sygnały z urządzeń na żywo i konserwację predykcyjną jako elementy swojego przyszłego kierunku rozwoju.

Dla inżynierów oceniających obecnie FabAgent bezpośrednią korzyścią może być partner wspierający pracę, który uwzględnia strukturę procesu i ograniczenia zakładu. Kolejnym krokiem jest powiązanie tego rozumowania z możliwymi do prześledzenia wynikami eksperymentów, tak aby każdy przebieg produkcyjny mógł pomóc w podjęciu lepszej decyzji inżynierskiej.